Browsing by Author "Marouf, Nadir"
Now showing 1 - 7 of 7
Results Per Page
Sort Options
Item Evaluation du risque d’érosion des sols et simulation du bilan hydro- sédimentaire à l’aide de SIG, télédétection et des modèles hydrologiques(Université d'Oum El Bouaghi, 2023) Zeghmar, Amer; Marouf, Nadir; Mokhtari, El HadjLe fait que le monde soit confronté à des défis liés à l'eau est devenu de plus en plus évident ces dernières années. Ces défis restent répandus et reflètent de graves problèmes de gestion des ressources en eau. La nécessité de la compréhension du comportement des écoulements au sein d'un bassin versant et au niveau des cours d'eau est indispensable, que ce soit pour la gestion des ressources, pour la prévention des risques causés par les crues importantes, ou pour l'amélioration de la qualité des cours d'eau. la lumière du développement rapide des systèmes d'information géographique et de leur capacité d'analyser les données fournies par les technologies de télédétection, il est devenu impératif de rechercher des modèles traditionnels de perte de sol, qui peuvent être combinés avec les SIG et la télédétection (RS), pour améliorer notre compréhension des processus de perte de sol et de leur impact sur les ressources en eau. Dans cette présente étude, deux modèles empiriques ont été appliqués dans le bassin versant du barrage de Beni Haroun: L'équation universelle révisée de perte en sol (RUSLE) et développée par Renard et al. (1997) sur la base de l'équation universelle de perte de sol (USLE) et la méthode de potentiel d'érosion (EPM), développée par Gavrilovi? dans les bassins versants de la rivière Morava en Serbie en 1962. Notre objectif en première partie consiste à déterminer la distribution spatiale de la densité d'érosion et d'estimer l'érosion annuelle moyenne des sols, en fonction des facteurs liés au climat, sol, végétation et la topographie. En plus de cartographier et d'analyser la variance entre la carte topographique (2003) et le levé bathymétrique (2013) du barrage de Beni Haroun. La comparaison des relevés bathymétriques permettant de spatialiser les différentes profondeurs du barrage et de connaître le pourcentage de réduction de la capacité de stockage résultant du phénomène d'érosion des sols. Après cela, une modélisation de transport solide en utilisant les approches d'intelligence artificielle ont été utilisées pour simuler la charge de sédiments en suspension (Qs) au pas de temps journalier, à travers ; la capacité de quatre algorithmes de modélisation, à savoir la forêt aléatoire (RF), l'arbre aléatoire (RT), Comité aléatoire (RC) et l'algorithme KStar. Enfin, une modélisation Pluie-Débit par HEC-HMS et des modèles hybrides a été élaborée. La relation pluie-débit est examinée selon la méthode SCS-CN et SCS unit hydrographe basée sur le model numérique de terraine (MNT), type des sol, l'occupation du sol, afin de simuler l'écoulement dans le bassin versant à l'exutoire. Pour l'applicabilité de la méthode, premièrement, les caractéristiques physiques du bassin sont compilées dans l'environnement Arc-GIS. Par la suite, des paramètres liés aux propriétés physiques du terrain sont traités. Le modèle HEC-HMS est ensuite utilisé pour estimer la modélisation pluie-débit à la fois à l'échelle de la crue et à l'échelle journalière. Dans notre approche, nous utilisons un modèle semi-distribué développé avec HEC-HMS et un modèle hybride qui intègre les sorties du modèle semi-distribué avec des algorithmes d'apprentissage automatique. Ces modèles sont utilisés pour la prediction pluie-débit à la fois à l'échelle des crues et à l'échelle journalière dans le bassin versant de Beni Haroun. Les performances des modèles ont été évaluées à l'aide de l'erreur quadratique moyenne (RMSE), de l'efficacité de Nash - Sutcliffe (NSE), le coefficient de détermination (R2), le diagramme de Taylor et le graphique Violine. The fact that the world is facing water-related challenges has become increasingly evident in recent years.These challenges are still widespread and reflect serious problems in the management of water resources. The need to understand the behavior of flows within the catchment area and at the level of rivers is essential, whether for resource management, for prevention of risks caused by major floods, or for improving the quality of waterways. In light of the rapid development of geographic information systems and their ability to analyze data provided by remote sensing technologies, it has become imperative to seek traditional models of soil loss, which can be combined with GIS and remote sensing (RS), to improve our understanding of soil loss processes and their impact on water resources. In this present study, two empirical models were applied in the catchment area of the Beni Haroun dam: The Revised Universal Soil Loss Equation (RUSLE) and developed by Renard et al. (1997) based on the Universal Soil Loss Equation (USLE) and Erosion Potential Method (EPM), developed by Gavrilovi? in the watersheds of the Morava River in Serbia in 1962. Our first objective part is to determine the spatial distribution of erosion density and to estimate the average annual soil erosion, depending on factors related to climate, soil, vegetation and topography. In addition, to mapping and analyzing the variance between the topographic map (2003) and the bathymetric survey (2013) of the Beni Haroun dam. The comparison of the bathymetric surveys making it possible to spatialize the different depths of the dam and to know the percentage of reduction in the storage capacity resulting from the soil erosion phenomenon. After that, sediment transport modeling using artificial intelligence approaches were used to simulate the suspended sediment load (Qs) at daily time step, through; the ability of four modeling algorithms, namely Random Forest (RF), Random Tree (RT), Random Committee (RC) and KStar algorithm. Finally, Rainfall-Runoff modeling by HEC-HMS and hybrid models was developed. The rainfall-runoff relationship is examined using the SCS-CN and SCS unit hydrograph method based on the digital elevation model (DEM), soil type, land cover, to simulate the flow in the watershed at the outlet. For the method's applicability, first, the physical characteristics of the basin are compiled in the Arc-GIS environment. Subsequently, parameters related to the physical properties of the terrain are processed. The HEC-HMS model is then employed to estimate rain-flow modeling at both the flood scale and the daily scale. In our approach, we utilize a semi-distributed model developed with HEC-HMS and a hybrid model that integrates the semi-distributed model's outputs with machine learning algorithms. These models are used for rainfall-runoff prediction both at the flood scale and the daily scale within the Beni Haroun watershed. Model performance was evaluated using root mean square error (RMSE), Nash-Sutcliffe efficiency (NSE), coefficient of determination (R2), Taylor diagram and the Violin chart.Item Modélisation hydrologique et topographique pour identifier les zones menacées par les inondations (approches par télédétection). etude de cas. la ville tébessa(Université d'Ourn El Bouaghi, 2023) Sari, Elmouldi; Kouachkhia, Ghoulem; Marouf, NadirCe travail s'est concentré sur l'identification des zones inondables à Tébessa par la modélisation hydrodynamique. Les résultats obtenus révèlent une superficie totale de zones inondables d'environ 26 km², mettant en évidence la vulnérabilité du centre-ville. Le temps de concentration du bassin versant de l'Oued Elkebir est estimé à 23.9 heures, tandis que le débit maximal d'une période de retour de 100 ans atteint 494.45 m3/s, calculé à l'aide de la formule de Sokolovsky. Ces résultats soulignent la nécessité de mesures préventives pour réduire les risques. Les recommandations incluent l'adaptation des techniques constructives, la mise en place de dispositifs de protection temporaires et la sensibilisation des résidents aux mesures d'urgence. Une collaboration entre l'État, les municipalités et les individus est essentielle pour une gestion efficace des risques d'inondation. En conclusion, ce travail fournit des informations précieuses pour la protection contre les inondations à Tébessa et servira de base pour les initiatives futures visant à réduire les impacts des catastrophes naturelles dans la région.Item Modélisation pluie-débit et débits de crues en milieu semi-aride par différentes méthodes statistiques et modèles hydrologiques(Université De Larbi Ben M’hidi Oum EL Bouaghi, 2022) Aoulmi, Yamina; Marouf, Nadir; Amireche, MohamedLe développement de modèles pluie-débit fiables peut offrir des informations utiles pour la planification et la gestion des ressources en eau. Dans un contexte de simplicité, la modélisation par un modèle Génie Rural (GR), qui est le modèle GR4j (modèle du Génie Rural à 4 paramètres Journalier) a l’avantage de n’exiger que des séries de données météorologiques (pluie, ETP) et hydrométrique (débit) au pas de temps journalier. L'utilisation du réseau de neurones artificiels (RNA) pour adopter de tels modèles et prévoir les changements dans le débit est devenue populaire parmi de nombreux hydrologues depuis longtemps. L'intégration d'approches d'optimisation heuristiques modernes avec RNA pour augmenter ses performances, a attiré beaucoup d'attention. D'un autre côté, un apprentissage en profondeur d'un réseau de neurones convolutifs (CNN) a récemment suscité un intérêt remarquable de la part des chercheurs, et tout comme RNA, son intégration avec des outils heuristiques améliore davantage son efficacité. Ce travail de recherche vise en premier lieu, de simuler la transformation de la pluie en débit journalier dans le bassin de la Seybouse situé dans une région semi-aride en Algérie, en utilisant le modèle conceptuel GR4J. Les mauvais résultats obtenues par ces models, nous incité de changer l’axe d’application vers les modèles boite noire notamment les RNA dans un premier temps. Par ailleurs, tester la faisabilité d’utilisation de RNA avec quatre configurations d'entrée pour modéliser toujours les débits journaliers dans le même bassin. La 1er RNA IP ne considère que les précipitations comme variable d'entrée. La 2e RNA IIP,ETP, RNA IIP,T, RNA IIP,HUM, RNA IIP,Vv considère un 2e variable dans l'entrée du modèle avec les précipitations (évapotranspiration, température, humidité ou vitesse du vent). La troisième RNA IIIP,T,HUM combine la température, l'humidité et les précipitations. Le dernier RNA VP,ETP,T,HUM,Vv consiste à collationner les différents paramètres météorologiques avec les précipitations comme variable d'entrée. Les modèles RNA sont conçus pour l'ensemble du bassin avec les mêmes configurations que celles spécifiées ci-dessus. De meilleures simulations de débit ont été fournies par RNA IIP,T et RNA IIP,Vv pour les deux stations de Medjez-Amar II et Bordj-Sabath, respectivement. Cependant, l’application de RNA VP,ETP,T,HUM,Vv pour les autres stations et également pour l'ensemble du bassin reflète une stratégie pour la simulation de débit et montre une amélioration de la précision de prédiction par rapport aux autres configurations. Les quatre configurations des modèles neuronaux sont plus performantes que le modèle GR4j pour les six stations d’étude. Après cela, vérifier l'efficacité de l'intégration de modèles RNA avec les algorithmes métaheuristiques; l’algorithmes génétiques GA, l’optimisation d'essaim de particules PSO, l’algorithme de luciole FFA et l’optimisation d'essaim de particules améliorée IPSO, également pour la modélisation du débit journalier , où l'entrée des modèles était constituée des précipitations et du débit antérieurs. Les résultats de l'analyse dans toutes les stations d'étude ont révélé que le modèle RNA-IPSO dépasse RNA-GA, RNA-PSO et RNA-FFA dans l'estimation du débit. Par conséquent, l'algorithme métaheuristique hybride IPSO est la meilleure technique pour améliorer la capacité de RNA dans la modélisation pluie-débit journalier. Enfin, examiner un apprentissage en profondeur autonome d'un réseau de neurones convolutifs (CNN) et un réseau amélioré utilisant un algorithme compétitif impérialiste (ICA) et une optimisation du loup gris (GWO) pour prédire le débit horaire à plusieurs échelles, allant de 100 km2 à plus de 6000 km2 dans le bassin d'étude. L'ensemble de données de réanalyse atmosphérique, ERA5 avec une résolution de 31 km généré par le Centre européen de prévisions météorologiques à moyen terme, des indices de variabilité climatique et des observations de débit in situ ont été utilisés dans la modélisation des débits de crues. L’analyse en composante principale a été utilisée pour identifier les variables d'entrée les plus significatives. Les résultats aux six stations d'étude révèlent que les modèles avec des indices climatiques sont plus performants, en particulier pour prédire les débits extrêmes dans les bassins avec des zones de drainage comprises entre 200 km2 et 2000 km2, que les modèles avec uniquement des données atmosphériques comme entrées. Le modèle CNN-GWO a surpassé CNN-ICA et le modèle autonome pour prédire le débit avec une NSE améliorée jusqu'à 0,99. Developing trustworthy rainfall-runoff (R-R) models can offer serviceable information for planning and managing water resources. In a context of simplicity, modeling by an Agricultural Engineering (GR) model, which is the GR4j model (Agricultural Engineering model with 4 daily parameters) has the advantage of only requiring series of meteorological data (rainfall, ETP ) and hydrometric (flow) in daily time steps. Use of artificial neural network (RNA) in adopting such models and predicting changes in runoff has become popular among many hydrologists from a long time. Integrating modern heuristic optimization approaches with RNA to increase its performance has attracted a lot of attention. On the other side, a deep learning of a convolutional neural network (CNN) has gained remarkable interest by researchers recently, and similar to RNA its integration with heuristic tools improves more its effectiveness. This research aims firstly to simulate the transformation of rainfall into daily flow in the Seybouse basin located in a semi-arid region in Algeria, using the GR4J conceptual model. The poor results obtained by these models prompted us to change the axis of application to black box models, in particular ANN, at first. Thus, test the feasibility of using RNA with four input configurations to model the daily runoff relationship in the same basin. The 1st RNA IP only considers precipitation as an input variable. The 2nd RNA IIP,ETP, RNA IIP,T, RNA IIP,HUM, RNA IIP,Vv considers a 2nd variable in the model input with precipitation (evapotranspiration, temperature, humidity or wind speed). The third RNA IIIP,T,HUM combines temperature, humidity and precipitation. The last RNA VP,ET, T,HUM,Vw consists of collating the various meteorological parameters with precipitation as input variable. RNA models are made for the entire basin with the same configurations as specified above. Better flow simulations were provided by RNA IIP,T and RNA IIP,Vv for the two stations of Medjez-Amar II and Bordj-Sabath, respectively. However, the RNA VP,ET, T,HUM,Vw’s application for the other stations and also for the entire basin reflects a strategy for the flow simulation and shows enhancement in the prediction accuracy over the other configurations. The four configurations of the neural models perform better than the GR4j model for the six study stations. After that, test the efficiency of integrating RNA models with the metaheuristic algorithms; Genetic Algorithms GA, Particle Swarm Optimization PSO, Firefly Algorithm FFA and improved Particle Swarm Optimization IPSO, also for daily runoff modeling, where the model’s input was made up of antecedent’s rainfall and runoff. The results of the analysis at all study stations revealed that the RNA-IPSO model outperforms RNA-GA, RNA-PSO and RNA-FFA in runoff estimation. Therefore, IPSO hybrid metaheuristic algorithm is the best technique to improve the RNA capability in daily rainfall-runoff modeling. Finally, examine a standalone deep learning of a convolutional neural network (CNN) and improved one utilizing an imperialist competitive algorithm (ICA) and a gray wolf optimization (GWO) to predict hourly runoff at multiple scales, ranging from 100 km2 to over 6000 km2 in the study Basin. The atmospheric reanalysis dataset, ERA5 with a 31 km resolution generated by the European Centre for Medium-Range Weather Forecasts, climate variability indices and in-situ runoff observations were used in the development of the proposed modeling technique. The principal component analysis technique was used to identify the most significant input variables. Results at the six study stations disclose that models with climate indices, perform better especially in predicting extreme runoffs in basins with drainage areas between 200km2 and 2000km2 than the models with only atmospheric data as inputs. The CNN-GWO model outperformed CNN-ICA and standalone model in predicting runoff with improved NSE up to 0.99. يمكن أن يوفر تطوير نماذج موثوقة للسيول المائية معلومات مفيدة لتخطيط موارد المياه وإدارتها. في سياق البساطة ، تتميز النمذجة بواسطة نموذج الهندسة الزراعية (GR) ، وهو نموذج GR4j (نموذج الهندسة الزراعية مع 4 معلمات يومية) بميزة تتطلب فقط سلسلة من بيانات الأرصاد الجوية (المطر ، ETP) والقياس الهيدرومتري (التدفق) في خطوات الوقت اليومي. أصبح استخدام الشبكة العصبية الاصطناعية (RNA) لتبني مثل هذه النماذج والتنبؤ بالتغيرات في التدفق شائعًا بين العديد من علماء الهيدرولوجيا لفترة طويلة. جذب دمج مناهج التحسين الارشادية الحديثة مع RNA لزيادة أدائها الكثير من الاهتمام. من ناحية أخرى ، جذبت الشبكة العصبية التلافيفية للتعلم العميق (CNN)مؤخرًا اهتمامًا ملحوظًا من الباحثين ، تمامًا مثل RNA ، يؤدي دمجها مع مناهج التحسين الارشادية إلى تحسين كفاءتها. يهدف هذا العمل البحثي أولاً إلى محاكاة تحويل هطول الأمطار إلى تدفق يومي في حوض سيبوس الواقع في منطقة شبه قاحلة في الجزائر ، باستخدام النموذج المفاهيمي GR4J. دفعتنا النتائج الضعيفة التي حصلت عليها هذه النماذج إلى تغيير محور التطبيق إلى نماذج الصندوق الأسود ، ولا سيما RNA ، في البداية. بالإضافة إلى ذلك ، اختبر جدوى استخدام RNA مع أربعة تكوينات للمدخلات لنمذجة التدفقات اليومية دائمًا في نفس الحوض. الأول RNA IP يأخذ بعين الاعتبار إلا هطول الأمطار فقط كمتغير إدخال. يعتبر الثاني RNA IIP,ETP, RNA IIP,T, RNA IIP,HUM, RNA IIP,Vv متغيرًا ثانيًا مع هطول الأمطار (التبخر ، نتح الحرارة ، الرطوبة أو سرعة الرياح) في إدخال النموذج. يجمع الثالث RNA IIIP,T,HUM بين درجة الحرارة والرطوبة وهطول الأمطار. يتكون الاخير RNA VP,ETP,T,HUM,Vv من تجميع مختلف معلمات الأرصاد الجوية مع هطول الأمطار كمتغير إدخال. تم تصميم نماذج RNA للحوض بأكمله بنفس التكوينات على النحو المحدد أعلاه. تم توفير محاكاة أفضل للتدفق بواسطة RNA IIP,T و RNA IIP,Vv لمحطتي Medjez-Amar II و Bordj-Sabath ، على التوالي. إلا أن، تطبيق RNA VP,ETP,T,HUM,Vv للمحطات الأخرى وأيضًا للحوض بالكامل يعكس استراتيجية لمحاكاة التدفق ويظهر تحسنًا في دقة التنبؤ مقارنة بالتكوينات الأخرى. تعمل التكوينات الأربعة للنماذج العصبية بشكل أفضل من نموذج GR4j لمحطات الدراسة الست. بعد ذلك ، التحقق من كفاءة دمج نماذج RNA مع خوارزميات metaheuristic ؛ الخوارزميات الجينية GA ، تحسين حشد الجسيمات PSO ، خوارزمية اليراع FFA و خوارزمية تحسين سرب الجسيمات المحسنة IPSO، أيضًا لنمذجة التدفق اليومي ، حيث تم تشكيل مدخلات النماذج من هطول الأمطار والتدفقات السابقة. كشفت نتائج التحليل في جميع محطات الدراسة أن نموذج RNA-IPSO يتفوق على أداء RNA-GA و RNA-PSO و RNA-FFA في تقديرالتدفق. لذلك ، تعد الخوارزمية الهجينة IPSO هي أفضل تقنية لتحسين قدرة RNA في نمذجة التدفق اليوميً. أخيرًا ، فحص الشبكة العصبية التلافيفية ذات التعلم العميق (CNN) وشبكة محسّنة باستخدام خوارزمية إمبريالية تنافسية (ICA) وتحسين الذئب الرمادي (GWO) للتنبؤ بالتدفق الساعي على نطاقات متعددة ، تتراوح من 100 كيلومتر مربع إلى أكثر من 6000 كيلومتر مربع في منطقة الدراسة. تم استخدام مجموعة بيانات إعادة تحليل الغلاف الجوي ، ERA5 بدقة 31 كم التي تم إنشاؤها بواسطة المركز الأوروبي للتنبؤات الجوية متوسطة المدى ، ومؤشرات تقلب المناخ ورصد التدفق في الموقع في نمذجة تدفق الفيضانات. تم استخدام تحليل المكون الرئيسي لتحديد أهم متغيرات المدخلات. كشفت النتائج في محطات الدراسة الست أن النماذج ذات المؤشرات المناخية تعمل بشكل أفضل ، خاصة في التنبؤ بالتدفقات الشديدة في الأحواض مع مناطق الصرف بين 200 كيلومتر مربع و 2000 كيلومتر مربع ، مقارنة بالنماذج التي تحتوي على بيانات الغلاف الجوي فقط كمدخلات. تفوق نموذج CNN-GWO على CNN-ICA والنموذج المستقل في التنبؤ بالتدفق مع NSE محسن حتى 0.99.Item Modélisation Pluie-Debit, Debit Liquide-Debit Solide Par Les Réseaux De Neurones Artificiels Et Les Réseaux Neuro-Flous.Cas Du Bassin Versant Kebir RHUMEL.(Université Oum El Bouaghi, 2021) Abdoulaye, Fadimata; Redjimi, Chems Eddine; Marouf, NadirLe contrôle de l'envasement des retenues des barrages permet d'évaluer de façon globale l'importance du processus de l'érosion et du transport solide. La recherche de modèle reliant les paramètres hydro-climatiques (précipitations, écoulements et/ou transport de matériaux solides) a fait l'objet de nombreuses études, qui a eu pour but d'expliquer les phénomènes de l'écoulement et du transport solide, de mettre en évidence des relations susceptibles d'être appliquées à des régions et des bassins versants où les mesures sont rares ou inexistantes. C'est dans ce sens qu'on a modélisé dans cette présente étude deux approches pour la simulation des réponses " débit liquide " et " débit solide " à l'exutoire à différentes entrées au pas de temps journalier et mensuel via deux relations sur le bassin versant Kébir Rhumel. La première approche est un modèle basé sur l'intelligence artificielle (réseau de neurone artificiel) et la deuxième étant basée sur l'ANFIS. Dans notre mémoire, on a fait dans un premier lieu une recherche bibliographique concernant le problème majeur de l'érosion et du transport solide et leur impact sur l'envasement des barrages notamment en Algérie. L'évolution reconnue du domaine de la modélisation hydrologique dans les dernières années a donné des nouvelles approches pour la quantification de l'érosion et du transport solide par l'estimation des concentrations en matière en suspension en fonction du débit liquide au niveau de notre bassin versant. L'application sur le bassin versant et l'évaluation des performances de ces deux modèles a montré que le modèle le plus performant en tant qu'outil de quantification du transport solide est celui du neuro-flou pour le cas de la relation pluie-débit et du réseau de neurone artificiel pour celui de la relation débit liquide-débit solide.Item Modélisayion du transport solide en suspension par les modéles neuroneux et neuro-floue(Univérsité Oum El Bouaghi, 2020) Dahmani, Sara; Marouf, NadirL’étude hydrologique est indispensable pour les projets de l’exploitation et à la gestion des eaux. Elles simplifient l'évaluation des paramètres hydro morpho-métrique du bassin versant dans le but d'assurer la sécurité et la bonne exploitation des ouvrages hydrauliques. Malheureusement les barrages d’Algérie soufrent du phénomène d’envasement qui est la conséquence directe de l’érosion et la sédimentation. Dans ce cadre, nous utilisons la modélisation par le réseau de neurone artificiel et le neuro-flou dans le bassin versant Kébir Rhumel pour prévoir les concentrations des sédiments et la charge sédimentaire à l'échelle journalière. Pour mieux interpréter nos résultats, une étude du bassin versant est nécessaire et dont le but de connaître les caractéristiques physiques du lieu et les facteurs influençables sur la problématique étudiée. Les résultats obtenus pour notre cas d’étude montre que le model neuronal est le meilleure par rapport au neuro-flou pour la génération des sédiments en suspension du notre cas d’étude et pourrait être utilisée pour une bonne gestion de la problématique de l'envasement du barrage de beni-haroun. Dans la majorité des cas étudiés, nos résultats obtenus montrent des valeurs très rapprochés entre le débit simulé et le débit observé pour les deux modèles RNA et ANFIS.Item Quantification des rejet des eau résiduaires de la région de Mila et leurs impact sur la retenue du Barraga de Beni Haroun(université Oum-El-Bouaghi, 2012) Saadoun, Wissame; Marouf, NadirLe barrage de Béni Haroun est un grand complexe hydraulique stratégique en Algérie, situé dans la Wilaya de Mila au nord-est de l'Algérie. Le barrage de 120 m de hauteur, est le plus important et le plus grand barrage en Algérie avec une capacité de 960 millions de mètres cubes. Le barrage proprement dit est constitué d’une digue renforcée de 1,5 million de m3 de béton roulé compact. Chapitre I : Caractéristiques du bassin versant kébir Rhumel : le Bassin versant de Kébir Rhumel est situé au Nord Est de Algérie. Le bassin présente une surface totale de 8825 Km2. Il se divise en deux grandes parties distinctes. La partie occidentale, constituée le bassin de l'oued Enndja d’une superficie de 2.169 km2, se caractérise par des précipitations relativement élevées (700mm/an en moyenne) et une topographie montagneuse. Dans ce bassin, les cotes atteignent 1.400, ou davantage. Les deux rivières, l'Endja et le Rhumel, confluent près de l’extrémité, le bassin versant total au site de barrage de Beni Haroun a une superficie de 7.725 km², dane le bassin de l'oued endja situe à l'oued et au nord-ouest de l'ensemble du bassin verant du Kebir Rhumel la saison pluvieuse s'étend généralement du mois de décembre au bassin versant du Kebir-Rhumel, la saison pluvieuse s'étend généralement de décembre au mai de mai , dans le bassin de l'oued Rhumel qui s'étend du sud au nord- est du bassin , la pluviométrie est distribuée de façon plus uniform tout au long de l'année que dans le bassin de l'oued Endja les propriétés d'infiltration dans le bassin de l'oued Rhumel semblent aussi indiquer que le sol est plus perméable que dans celui de l'oud Endja les débits des L'ou Enndja et Rhume à leur Confluence. Chapitre II : Hydrologie et ressources de bassin version kébir Rhumel : Du point de vue quantitatif, les ressources hydriques de trois (3) wilayas étudiées sont limitées. Par contre dans le bassin d’étude une grande capacité souterraine et superficielle permet sans aucun doute un développement durable des hautes plaines constantinois. Le chapitre III : Agglomération montre que les grandes agglomérations sont situées dans les wilayas de Constantine, Mila et Oum-El-Bouaghi. Le chapitre IV : comporte l’urbanisation et l’assainissement des agglomérations concernées (Constantine, Mila et Oum-El-Bouaghi). L’étude montre un taux d’urbanisation plus élevé, de l’ordre de 99% dans la wilaya de constantine comparant aux autres agglomérations. Dans la wilaya de Mila et Oum-El-Bouaghi, le taux d’urbanisation est successivement de l’ordre de 95% et 99%. Chapitre V : En industrie, il est question de séparer les rejets urbains des rejets industriels en installant des stations d’épuration adaptées à la nature des rejets et en contrôlant les rejets aux moyens réguliers. L’auto mesure est un moyen très efficace les besoins en eau pour irrigation dépendent essentiellement des eaux qui viennent du barrage dont la qualité de l’eau est bonne pour l’irrigation. Différents modes d’irrigation sont appliqués dans ce bassin et varient d’une région à l’autre. La surface globale irriguée dans ce bassin reste effectivement insuffisante, d’environ de 500ha seulement irriguées. • Les besoins des grands bassins d’irrigation projetés dans le bassin (plus de 40000 ha) permettront vraiment l’accroissement socio-économique de la région environnementale du barrage de Beni-Haroun et en particulier les zones rurales. Le chapitre VI Les rejets des eaux usées domestiques et industrielles dans le bassin versent Kébir Rhumel est importants. Une contamination généralisée du bassin versant par les matières organiques, matières azotées et matières phosphorées est la conséquence d’un la forte concentration urbaine. • Le rejet des eaux usées brutes perturbe l’équilibre du milieu récepteur, la quantité de pollution rejetée est devenu incompatible avec les capacités d’autoépuration des cours d’eau du bassin et provoque des conséquences néfastes tels que : • Dégradation du milieu naturel • Pollution des mers, des lacs et cours d’eau • Risque de contamination des eaux souterraines Ces rejets, donc, doivent être traités avant leur déversement dans le milieu récepteur. Or aucun processus de traitement ne peut être monté qu’après une identification complète de l’eau résiduaire sujette d’épuration.Item Quantification du transport solide en suspension(université Oum-El-Bouaghi, 2012) Khif, Abdellah; Marouf, NadirEn zones semi-arides et dans les regions a climat tempere, le phenomene du transport solide pose de serieux problemes aux services de mobilisation des ressources hydrauliques, notamment aux ingenieurs charges d'evaluer le transport solide dans les bassins versants. L'estimation des apports solides au droit des barrages, a deja fait l¡¦objet de nombreuses recherches scientifiques. Les methodes qui en resultent sont generalement de trois categories. « Methodes empiriques, integrant les caracteristiques du bassin versant :